Meta Heurística - PCV

Introdução
Desenvolvimento do Algoritmo
Segue abaixo o algoritmo genético genérico apresentado em sala de aula, o qual será analisado por funções e procedimentos, retornando ao menu inicial após as análises de cada iteração do programa e estando enumerado por linhas para melhor entendimento e explicação
// colocar o código
O programa principal define o número de cromossomos, da taxa de sobrevivência e de evoluções, além de identificar a matriz das cidades que estão interligadas entre si.
A função “gerarCromossomosAleatoriamente” que se encontra na linha 30, tem o intuito de gerar 10 cromossomos de maneira aleatória e de ordená-los de acordo com o resultado crescente das rotas.
A função “renovarCromossomos” que se encontra na linha 38, possui um critério de parada do algoritmo de 3000 evoluções, uma vez que os cromossomos vão sendo renovados de acordo com a taxa de sobrevivência de 0.5, ou seja, a cada 10 cromossomos apenas 5 são passados para a próxima geração. Novamente os cromossomos são reordenados de maneira crescente.
A variável booleana “mostrarEvolucao” demonstra o resultado de todas as evoluções na tela.
O procedimento descrito da linha 51 a 61, utilizado para calcular o resultado dos cromossomos, informa o melhor resultado do último caminho percorrido e o laço de repetição descreve todas as cidades percorridas com seu destino, inclusive origem, sendo que seu resultado é a distância total entre as cidades.
O procedimento descrito da linha 61 a 119, “renovarCromossomos” é utilizado para cruzamento e geração da prole e realiza mutação a fim de inserir variabilidade no processo, para que o espaço de busca seja aumentado.
Para dar início, de acordo com a taxa de sobrevivência, os 5 melhores cromossomos são escolhidos como pais para gerarem a nova população, em que o laço de cruzamento realiza a combinação entre dois pais e a criação dos outros 5 indivíduos, até que a população final atinja os 10 cromossomos. Estes 10 devem ser diferentes entre si, o